建構兩階段信用評等模式

exp(

) (

exp( ₀ ^*

* _{ij ij}^T

ij X H T X

T

S ij   (27) 綜合上述，本研究所提一階段信用評等模式之建構流程，如圖 3.2 所示 。

圖 3.2 一階段信用評等模式之建構流程

3.3 建構兩階段信用評等模式

由於現有文獻在應用 Cox 模式時，皆是以整體準確率最高的存活 機率值作為最佳切點，然後利用此最佳切點，將樣本資料區分為兩 類。然而由各文獻之判別結果可發現，此情況對不同類之資料易發生 不對稱的準確率情形，即某類樣本之準確率與另類樣本之準確率可能

在不同貸款期間下，利用 LISREL 所獲得 之財務構面視為 Cox 模式的自變數

估算 Cox 模式的參數(係數)值

將所獲得之參數(係數)值代入 Cox 模式 裡，求算存活機率

步驟一

步驟二

步驟三

相差過大，但整體準確率卻相當不錯。因此本研究提出以利用兩個切 點方式，將樣本資料區分為違約、未違約及不易判別(如圖 3.3)等三 個區域，在兩個可明確區分的未違約與違約資料的區域，表示樣本資 訊足以判斷借款客戶是否違約，而不易判別區域內的資料則代表不易 判借款客戶是否違約，因此須對此不易判別區域資料進行第二階段之 判別，以得到正確的判定結果；在第二階段中針對不易判別區內的資 料，以 SVM 建構信用評等模式。

圖 3.3 違約、未違約及不易判別區域之三類

3.3.1 建構第一階段之信用評等模式

在第一階段中利用 3.1 節所獲得之財務構面及 Cox 模式來估算之 每一個企業借款者的存活機率值來建構判別模式，其中建構程序如 下：

1.銀行或金融機構之借款客戶資料中，違約借款者的資料通常遠少於 未違約借款者，此類不平衡資料導致信用評等模式會根據未違約借

款者之資料而建構，因此在決定切點上容易發生偏誤的情形，而無 法以有效提升判斷違約借款者之準確率。因此本研究以等比例之違 約與未違約樣本組合資料建構信用評等模式。

2.根據訓練樣本利用 3.1 節所獲得之財務構面及 Cox 模式來估算之 每一個企業借款者的存活機率值來建構判別模式。

3.本研究利用試誤法來決定最佳兩切點。其中切點以80%準確率⁵作為 切割值設定標準，容許20%的誤判率為考量，即10 筆樣本中允許2 筆為誤判樣本。Cox模式所估算之每一個企業借款者的存活機率值 介於0 至1 之間，此值越接近0 表違約樣本的機率越高，反之，越 接近1，則表為未違約樣本的機率越高；將切點設定為由0 及1 開 始，誤判率超過20%即停止，則將所得之兩個機率值即為第一階段 之兩個切點。

4. 由Cox模式所估算之存活機率值若介於兩切點之間，則判定此樣 本為不易判別區域；若存活機率值不在兩切點之間，即判定此樣 本為未違約或違約之區域。

5準確率為預測與實際結果相符合之個數佔全部個數之比率。

3.3.2 建構第二階段之信用評等模式

本研究利用SVM及RBF 核心函數，針對第一階段信用評等模式無 法判斷是否違約之不易判別區域資料進行第二階段之信用評等建構。

綜合第一階段與第二階段之信用評等模式，可彙整兩階段信用 評等模式之建構流程，如圖 3.4 所示 。

圖 3.4 兩階段信用評等模式之建構流程 利用 LISREL 所獲得之財務構面及 Cox 模

型建構第一階段之信用評等模式

決定最適兩切點，將資料分類為違約、未 違約及不易判別區域等三類

利用模型區域的資料與 SVM 方法建構第 二階段之信用評等模式

步驟一

步驟二

步驟三